Knowledge atlas of white matter microstructure: a bibliometric analysis
Notice bibliographique
Résumé
Background: White matter microstructure is valued for being an indicator of neural network integrity, which plays an indispensable role in the execution of advanced brain functions. Although the number of publications has increased in the past 10 years, no comprehensive analysis has yet been conducted of this field. Therefore, this study aimed to identify the research hotspots and trends in research on white matter microstructure using a bibliometric analysis of the related literature published from 2013 to 2022. Methods: VOSviewer and CiteSpace were used to objectively analyze the research articles concerning white matter microstructure, which were retrieved from the Web of Science Core Collection (WoSCC). Results: A total of 5,806 publications were obtained, with the number of published articles increasing annually over the past decade. The United States, China, the United Kingdom, and Canada maintained the top positions worldwide and had strong cooperative relationships. The top institution and journal were Harvard Medical School and Neuroimage, respectively. Alexander Leemans, Marek Kubicki, and Martha E Shenton were the most productive authors. Thematic keywords mainly included "diffusion tensor imaging" (DTI), "white matter integrity", and "connectivity". The keyword analysis revealed that DTI has a critical role in detecting white matter microstructure integrity and that fractional anisotropy is the main parameter in the assessment process. Keyword burst detection identified four research hotspots: movement, distortion correction, voxelwise analysis, and fixel-based analysis. Conclusions: This bibliometric analysis provided a systematic understanding of the research on white matter microstructure and identified the current frontiers. This may help clinicians and researchers comprehensively identify hotspots and trends in this field.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,040 | 0,060 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».